جيريمي بيرتون، الرئيس التنفيذي لشركة Observe – سلسلة المقابلات

جيريمي بيرتون، الرئيس التنفيذي لشركة Observe، هو مسؤول تنفيذي في برمجيات الشركات مع أكثر من 20 عامًا من الخبرة في القيادة عبر الشركات التكنولوجية الكبرى بما في ذلك Dell Technologies (DELL ) و EMC و Oracle (ORCL ) و VERITAS. قاد فرقًا عالمية في تطوير المنتجات والتسويق والاستحواذ الاستراتيجي، وبناء وتوسيع الأعمال في مجالات التخزين والأمان وبرامج خدمة البرمجيات. كما شارك بيرتون في تأسيس Oracle Technology Network، والتي نمت لتصبح مليوني عضو في جميع أنحاء العالم، وهو حاليًا عضو في مجلس إدارة Snowflake ومستشار لفريق McLaren للفورمولا 1.

Observe، التي تتخذ من سان ماتيو، كاليفورنيا مقراً لها، هي منصة مراقبة من الجيل التالي لبرامج خدمة البرمجيات التي تساعد فرق SRE و DevOps و الهندسة في التحقيق في الأنظمة الموزعة الحديثة وضبطها. مبنية على بنية بيانات Snowflake، توحد السجلات والقياسات والتعقب في مجموعة بيانات غنية بالسياق واحدة – مما يسمح للفرق بتعجيل استجابة الحوادث وتحديد الأسباب الجذرية وتحسين الموثوقية عبر البيئات السحابية المعقدة.

لقد شغلت مناصب قيادية في شركات كبرى مثل ديل و EMC و Oracle، والآن تقود شركة ناشئة مع Observe. ما هو ما دفعك لترك الاستقرار والقيام بقفزة في بناء شيء من الصفر؟

لقد كنت محظوظًا في مسيرتي المهنية بالعمل لبعض القيادات الرائعة، بما في ذلك لاري إيلسون ومايكل ديل. عملت معهم 20 أو 30 عامًا في فترة ولايتهم، ولكن ما يجعلها رائعة هو أنهم كانوا هناك من البداية. قاموا بصنع القرارات الأولى للمنتجات وإنشاء طرق التسويق ووضع ثقافة للنجاح على المدى الطويل. كان دوري هو تقديم تحسينات تكميلية على قمة العقود من العمل الجاد الذي قاموا به بالفعل. في النهاية، وصلت إلى نقطة في مسيرتي المهنية حيث أردت إثبات لنفسي أنني أيضًا يمكنني بناء شركة، وتحقيق ملاءمة المنتج للسوق، وإنشاء حركة بيع، وإنشاء ثقافة أعتقد أنها يمكن أن تنجح على المدى الطويل.

تضع Observe نفسها كفئة جديدة في المراقبة، وتدمج السجلات والتحليلات والمراقبة في منصة موحدة واحدة. كيف ترى هذا النهج يعيد تعريف الفضاء مقارنة باللاعبين التقليديين مثل Splunk و Datadog (DDOG ) ؟

المشكلة الكبيرة التي تواجه الأدوات التقليدية هي أنها لم تُبنَ للتحمل. في محادثات مع العملاء، رأينا مرارًا وتكرارًا أن Splunk و Datadog تصبح باهظة التكلفة مع نمو حجم التелеметري، وهذا مشكلة أساسية في كيفية تصميم الأدوات التقليدية.

تختلف Observe في أن منصتنا مبنية على بنية بحيرة بيانات تدفقية باستخدام تنسيقات مفتوحة مثل Apache Iceberg. هذا يعني أننا يمكننا فك الارتباط بين الحوسبة والتخزين والتمكين المرن وتقديم المراقبة بنسبة صغيرة من تكلفة الأنظمة التقليدية. لا تزال منافسينا مثل Splunk تعتمد على هياكل متعددة لا تتطلب التخطيط لتحديد السعة القصوى – وحتى الأدوات الجديدة مثل Datadog تتطلب تصنيف البيانات وإعادة الترطيب وإعادة الفهرسة للحفاظ على التكلفة تحت السيطرة.

نركز أيضًا على تجربة مراقبة موحدة. تعيش السجلات والقياسات والتعقب والحدث في مكان واحد، مع لغة استفسار واحدة ورسوم معرفة تتيح ربط العلاقات بين الخدمات والمستخدمين والحوادث تلقائيًا. هذا السياق هو ما يجعل عملية تصحيح الأعطال أسرع. بالمقارنة، Splunk و Datadog لديهما خلفيات منفصلة للسجلات والقياسات والتعقب، مما يؤدي إلى بطء التحليلات.

أخيرًا، قمنا بتحويل استثمارات كبيرة في تصحيح الأعطال بواسطة الذكاء الاصطناعي. يمكن لمحللنا O11y AI SRE™ تقديم مدخلات لغة طبيعية وتوليد فرضيات وتوجيه المهندسين خلال استجابة الحوادث، وليس فقط تنبيههم. وهو مصمم للاستفادة من رسوم معرفتنا، التي توفر السياق اللازم لتصحيح الأعطال بدقة. هذا خطوة أبعد من الكشف عن الشذوذ أو التنبيه الذي تقدمه منافسينا اليوم.

باختصار: نحن فعالون من حيث التكلفة، وموحدون، ومفتوحون. هذه هي الجوانب الثلاث التي يخبرنا العملاء بانتظام أنها تميز Observe عن اللاعبين التقليديين مثل Splunk والمنافسين الجدد مثل Datadog.

بعد أن أشرفت على عمليات تبلغ قيمتها مليارات الدولارات، والآن تقود شركة ناشئة، ما هي الدروس التي تتعلمها حول الكفاءة والمنعطفات والابتكار من الشركات الكبرى التي تتحول – وما هي الدروس التي لا تتحول؟

من المثير للدهشة أن الشركات الكبرى الناجحة تفعل عددًا قليلاً من الأشياء جيدًا حقًا، ويفهمون كل التفاصيل. تلك التي تعثرت تفعل الكثير، وكل شيء يتحول إلى وسائطية.

في شركة ناشئة، تركز على شيء واحد في وقت واحد وتشعر بالهوس مع كل التفاصيل. لا توجد تمويل كافية للقيام بأكثر من ذلك. ونتيجة لذلك، ما يجعل الشركات الناشئة如此 قوية هو أنك يمكن أن تخرج من العمل إذا لم تتمكن من حل الأمور بسرعة كافية. لذلك، عليك اتخاذ القرارات بسرعة أكبر، وإصدارها بسرعة أكبر، وفشل بسرعة أكبر، وتعلم بسرعة أكبر. بالإضافة إلى ذلك، عليك القيام بكل ذلك بأفراد أقل.

على الرغم من ذلك، الجانب الأكثر تحريرًا لشركة ناشئة هو أنك لا تملك منتجًا متعارف عليه أو نموذج أعمال أو طريقًا إلى السوق. هذا يعني أن لديك الحرية في إعادة التفكير في كل هذه الأشياء. هذا ليس هو الحال في شركة كبيرة. على سبيل المثال، لا يمكنك كسر نموذج الأعمال بمنتج جديد مدمر. حتى لو كنت تستطيع بناءه تقنيًا، فإن مدير التسويق والشارع لن يسمح لك بتحقيق إمكانياته الكاملة. هذا هو السبب في أن الشركات الناشئة تفوز في معظم الأحيان، عندما ينبغي أن تكون فرصها ضعيفة.

كما كنت عضوًا في مجلس إدارة Snowflake لما يقرب من عقد من الزمن. ما الذي تعلمته من رحلة Snowflake التي تؤثر على استراتيجيتك في Observe؟

هاجمت Snowflake مشكلة قديمة مع архيتECTURE جديدة. بنوا تقنيتهم على فكرة بسيطة ولكن قوية ودمروا سوقًا ضخمًا متأخرًا بسبب البائعين التقلديين. هناك درسان هنا: تلعب في أسواق ضخمة، ويمكنك بناء شركة ضخمة. بالإضافة إلى ذلك، عليك أن يكون لديك نهج مختلف جذريًا عن المنافسين حتى يتمكن العملاء من رؤية الفوائد الكبيرة في الانتقال.

سوق المراقبة التي نهاجمها ضخم، 30 مليار دولار ويتزايد. لقد حللنا مشكلة المراقبة بطريقة فريدة: باستخدام أساس بحيرة البيانات، وتمكين مرن، وتنسيقات مفتوحة. هذا يpromis يمنح العملاء تحسينًا من الدرجة الأولى في سرعة تصحيح الأعطال وتكلفة الإجمالية.

لقد شاركت بشكل عميق في تطوير المنتجات والتسويق والاستحواذ على نطاق واسع. كيف تؤثر خلفيتك الواسعة على طريقة تقديمك لاستراتيجيات النمو في Observe؟

في الأيام الأولى لشركة ناشئة، من البسيط أن تبني منتجًا رائعًا ومحاولة بيعه. هذا هو استراتيجية النمو. مع ذلك، مسيرتي المهنية متحيزة بشكل كبير تجاه برمجيات الشركات وحل المشكلات المعقدة للشركات الكبرى، لذلك من غير المفاجئ أن Observe تركز بشكل مباشر على ذلك!

استنادًا إلى خبرتي، أعتقد أن بناء شركة مراقبة كبيرة يتطلب حل المشكلة لأكبر الشركات في العالم. هذه هي مشكلة البيانات البترونية، وألف مستخدم، وألف تطبيق. هناك العديد من شركات المراقبة، ولكن القليل منها يمكن أن يفوز في هذا البيئة، وأنا أ đảmن أن Observe يمكن أن تفعل ذلك.

أصبحت المراقبة حاسمة مع نمو توزيع التطبيقات الحديثة أكثر تعقيدًا. أين ترى أكبر التحديات والفرص للشركات على مدى السنوات الثلاث إلى خمس القادمة؟

أعظم تحدي اليوم هو التحمل. Kubernetes و microservices و now AI workloads تنتج كميات من البيانات التي تؤثر على أدوات التقليدية. موثوقية هذه الأدوات تنخفض مع ارتفاع التكلفة، وهي ببساطة غير مستدامة؛ منصة جديدة مطلوبة.

لجعل الأمور أسوأ، على مدى السنوات القليلة القادمة، سنرى المزيد من الكود المكتوب، بمساعدة أدوات الترميز بواسطة الذكاء الاصطناعي، أكثر من أي وقت مضى في التاريخ. هذا الكود لن يكون مثاليًا، وفي某 نقطة سوف يفشل. منطقة النمو تكمن في السؤال عن كيفية تصحيح الكود الذي لم يُكتب بواسطة أحد؟ أو، بينما يمكن لأدوات الترميز أن تنظر إلى الكود وتصلح الأخطاء، هل يمكنها حقًا النظر إلى كيفية سلوك التطبيق في الإنتاج وايجاد الكود المعيب؟ هذه فرصة ضخمة لموردي المراقبة في المستقبل.

许多 فرق تعاني من انتشار الأدوات، باستخدام أنظمة منفصلة للسجلات والقياسات والتعقب. كيف تساعد Observe في تبسيط هذه التجربة لفرق الهندسة و DevOps في الممارسة؟

بدلاً من التعامل مع ثلاث أو أربع أدوات، توفر Observe للعملاء منصة واحدة لاستخدامها. تعيش سجلات الشركة وقياساتها وتعقبها وتنبيهاتها في نفس النظام، وترتبط برسوم معرفة توفر السياق الذي يسمح للمستخدمين بالحفر والتبديل بسلاسة عبر السجلات والقياسات والتعقب لتسريع تصحيح الأعطال. هذا يقلل من الوقت الذي يجب أن يقضيه في الانتقال من منصة إلى أخرى، وبدلاً من ذلك يسمح لهم بفضح مشكلة دون تصدير بيانات أو تبديل السياق.

هل يمكنك مشاركة مثال ملموس عن كيف ساعدت Observe عميلاً في حل مشكلة كبيرة – شيء كان من الصعب أو المستحيل مع أدوات المراقبة التقليدية؟

تستخدم Capital One Observe لجعل حالة الرحلات الزبون الكرية ظاهرة من خلال ربط وتحسين بيانات التелемتري مع السياق التجاري ذي الصلة. هم يبتلعون مئات التيرابايت من بيانات التелемتري يوميًا، بما في ذلك السجلات والقياسات والتعقب وسجلات التغيير وسجلات تدفق VPC وبيانات تكوين AWS. توفر Observe لشركة Capital One منصة موحدة للمراقبة من النهاية إلى النهاية، بحيث يمكن للمطورين وفرق SRE أداء استجابة الحوادث والتصحيح التفاعلي.

ما هو الدور الذي يلعبونه الذكاء الاصطناعي أو الذكاء الاصطناعي في الخلفية في Observe، وكيف يساعد العملاء في استخلاص الأفكار بسرعة أو الكشف التلقائي عن المشكلات؟

الذكاء الاصطناعي لديه تاريخ معقد في المراقبة لأن البيئات المؤسسية تتسم بالضوضاء بشكل جوهري، ومن الصعب جدًا إنتاج نموذج لا يؤدي إلى آلاف الشذوذ. الذكاء الاصطناعي التوليدي هو تكنولوجيا مختلفة جدًا وسيؤثر تأثيرًا أكبر.

نعتقد أن الذكاء الاصطناعي سيتغير في طريقة تفاعل المهندسين مع أدوات المراقبة. أولاً، سيكونون قادرين على التحدث مباشرة مع بيانات المراقبة بلغة طبيعية أثناء الجلوس في بيئة التطوير المتكاملة، وربما لن يضطر نصف مستخدمينا في المستقبل إلى تسجيل الدخول أو تعلم Observe! ثانيًا، سيكون هناك وكلاء ذكاء اصطناعي خلال “زمن السلم” لفحص التелемتري و البحث عن مشاكل محتملة قد تؤدي في النهاية إلى حادث. وكلاء الذكاء الاصطناعي لا يتعبون ولا يملون ويمكنهم أداء عمل لا يستطيع البشر القيام به. أخيرًا، خلال “زمن الحرب”، سيساعد وكلاء الذكاء الاصطناعي المهندسين وفرق SRE في مسار العمل الذي يجب اتخاذه لحل المشكلة.

أسلوب قيادتك الملهم من الفورمولا 1 يؤكد على القوة العقلية والتعلم من الأخطاء. كيف شكّل هذا المنظور نهجك في بناء Observe وقيادة الفريق من خلال الانتصارات والتحديات؟

النجاح في الفورمولا 1 يُربى باستخدام البيانات لتوجيه القرارات المستقبلية، لكل من السائق والسيارة. بحلول الوقت الذي تصل فيه سيارة الفورمولا 1 إلى نهاية الموسم، تم استبدال 90٪ من الأجزاء، وهي أسرع بثانيتين حول حلبة السباق.

في Observe، يجب أن يكون لدينا نفس العقلية للنجاح. نُصدر، ونقيس، نستمع، نُعدل بسرعة. أعتقد أن 90٪ من منتجنا مختلف اليوم عن ما كان عليه قبل عامين. هذا النهج يتطلب الكثير من الانضباط، والتواضع، لا يسهل سماع الأخبار السيئة مرارًا وتكرارًا. ومع ذلك، إذا كنت تتصرف على الأخبار السيئة الكافية، فإنه يتحول تدريجيًا إلى أخبار جيدة، ويتسارع إيراد سنوي.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في التعلم أكثر يجب أن يزوروا Observe.